芝加哥大学的詹姆斯·埃文斯教授带着他的团队，在最新一期的《自然》上发表了一项研究，他们总共翻遍了4130万篇学术论文。这个研究把AI应用在科研里产生的“双刃剑”效应给揭示出来了。一方面，用AI干活的人发文章的速度快多了，平均每年能写3.02倍那么多，被人引用的次数更是高到4.85倍。大家做数据处理、查文献和做实验都比以前省事多了，AI成了大家手里的好帮手。而且那些用AI的人，拿到教授头衔或者升职也比以前快1.4年。不过，这种个体的爆发并没有让整个科研界变得更热闹。反而发现，全球的热门研究议题反而少了4.63%，不同机构之间的合作交流次数也掉了22%。埃文斯把这种情况叫作“孤独的群体”，因为大家虽然发的文章多了，但看问题的角度都差不多，真正有深度的碰撞变少了。这跟AI的特点有关，它太依赖现有的大数据来训练自己了。结果就是资源都跑到那些数据充足的传统领域去了，像交叉学科或者前沿探索这些没什么数据的地方就没人关注了。如果一直这样下去，可能会变成“方法论单一化”的局面，大家会在技术上很强但没什么新想法。 虽然埃文斯他们没有说AI没用，但强调得给它立规矩。他们建议科研管理机构要多给那些缺乏数据的冷门领域拨钱或者建平台；同时也要改改评价机制，不光看发了多少文章，还要看是不是有新的想法和贡献。毕竟现在AI和科研已经分不开了，怎么在享受好处的同时保住探索未知的劲头，这是全世界都得想办法解决的大问题。这份研究告诉我们一个重要的事实：当技术能轻易把我们带进已知的世界时，更要小心别弄丢了那份向未知挑战的初心。只有平衡好了技术进步和学术生态健康这两件事，人类的科学事业才能走得更远。